Карточка (или 2-3 карточки) недели

8821

Четверо физиков из Германии применили эволюционные алгоритмы для поиска эффективной наноантенны — аналога традиционных антенн, предназначенного для работы в оптическом диапазоне.

Проектируя устройства такого типа, инженеры обычно ориентируются на проверенные модели радиоволновых антенн. Никто, однако, не гарантирует, что простое уменьшение давно известных схем в размерах обеспечит наилучшие результаты: оптическое излучение взаимодействует с миниатюрными металлическими элементами не совсем так, как радиочастотное с более крупными деталями.

Оптимизационные алгоритмы, позволяющие моделировать процесс эволюции с естественным отбором, передачей и закреплением черт, которые способствуют «выживанию», и мутациями, идеально подходят именно для изучения новых и неочевидных конструкций.



http://ru.wikipedia.org/wiki/Генетический_алгоритм

Генети́ческий алгори́тм (англ. genetic algorithm) — это эвристический алгоритм поиска, используемый для решения задач оптимизации и моделирования путём случайного подбора, комбинирования и вариации искомых параметров с использованием механизмов, напоминающих биологическую эволюцию.

Является разновидностью эволюционных вычислений, с помощью которых решаются оптимизационные задачи с использованием методов естественной эволюции, таких как наследование, мутации, отбор и кроссинговер. Отличительной особенностью генетического алгоритма является акцент на использование оператора «скрещивания», который производит операцию рекомбинации решений-кандидатов, роль которой аналогична роли скрещивания в живой природе.



«Такая методика обнаружения перспективных вариантов наноантенн уже использовалась, — замечает руководитель германской группы Торстен Фейхтнер (Thorsten Feichtner) из Вюрцбургского университета.

Но предыдущие исследования ограничивались оптимизацией формы, размеров или расположения каких-то отдельных элементов устройства. Мы же рассматривали произвольные геометрические формы, составляемые из множества не зависящих друг от друга компонентов».

Этими компонентами стали золотые блоки фиксированного размера 10×10×11 нм³, которые могли занимать ячейки квадратной матрицы размером 21×21. Времени на анализ всех ~ 4×10¹³² способов размещения блоков учёным, разумеется, не хватило бы, а вот выделить и рассмотреть наиболее «приспособленные» к внешней среде модификации было не так уж и сложно. Критерием приспособленности авторы считали способность создавать высокую напряжённость ближнего поля в фокусе оптического гауссова пучка излучения на длине волны в 647 нм.

1. Оптимизированная схема наноантенны.

2. Диаграмма направлений и силы токов в её центральной части.

3. Упрощённый вариант устройства.

Победителем эволюционного сражения стала очень необычная схема расположения золотых блоков, показанная на рисунке выше. Можно заметить, что в её центре выделяются две стержнеобразные структуры, разделённые небольшим промежутком, а прямо под этим разрывом находится блок, создающий маршрут для протекания тока между стержнями. На периферии золотые элементы размещаются, как кажется, случайным образом.

«Найденная структура, очевидно, слишком сложна, и мы не можем точно охарактеризовать все её участки», — признаёт г-н Фейхтнер.

Стремясь упростить задачу, физики отдельно рассмотрели центральную область схемы, представив её в виде длинного изогнутого нанопровода. Как выяснилось, такая наноантенна, изготовить которую будет нетрудно, по своим характеристикам мало отличается от исходного переусложнённого варианта.

По сути, физики реализовали еще один цикл эволюции – теперь уже на основании своего опыта упростив найденную сложную структуру. И этот цикл тоже описывается УСЭ!

Смоделирована «эволюция» наноантенн

http://science.compulenta.ru/711396/

000.23434.322170

8102

Компьютерные программы, основанные на дарвиновских принципах эволюции, создают изобретения, достойные патентов.

Эволюция – это грандиозный творческий процесс, в результате которого появились потрясающие чудеса природы: от замысловатой биохимии отдельных живых клеток до сложнейшей структуры человеческого мозга. И всё благодаря многократному повторению нескольких простых приемов – мутация, половая рекомбинация и естественный отбор.

Именно эти простые приемы входят в УСЭ:

• мутация – бл. 8 «Изменение элементов системы»,

• рекомбинация – бл. 5 «Объединение систем»,

Естественный отбор – это выбор системы с большей идеальностью для дальнейшего существования, т.е это результат, полученный при сравнении Бл. 2 «Пониженная идеальность» и Бл. 12 «Повышенная идеальность» системы.

Сегодня программная реализация дарвиновских принципов эволюции – генетичесский алгоритм (ГА) - используется для создания искусственного интеллекта.

Программная реализация УСЭ–USESoft – это тоже программная реализация дарвиновских принципов эволюции, причем построенная на основе законов эволюции, найденных в ТРИЗ.

Из правила: если А = С и В = С, то А = В, следует такой нескромный вывод – если:

• генетичесский алгоритм (ГА) - программная реализация дарвиновских принципов эволюции, – используется для создания искусственного интеллекта, и

• подход УСЭ-USESoft – реализация дарвиновских принципов эволюции,

то подход УСЭ-USESoft может использоваться для создания искусственного интеллекта...

ОБЗОР: ИЗОБРЕТЕНИЯ ПО ДАРВИНУ

• Генетическое программирование использует компьютерную версию эволюции для генерации изобретений. Из тысяч случайным образом созданных объектов выбираются лучшие образцы, порождающие следующее поколение благодаря мутации и половой рекомбинации (скрещиванию).

В ГА требования к лучшим образцам нужно специально разрабатывать. Для УСЭ описание полезных и вредных функций сразу показывает направление нужных изменений.

• Из поколения в поколение объекты совершенствуются и их свойства приближаются к заданным. В конце исполнения программы лучший образец предлагается как решение поставленной задачи.

• С помощью этой методики удалось воспроизвести ряд запатентованных радиоэлектронных схем, в том числе, и несколько новейших. В число других патентоспособных изобретений входят антенны, алгоритмы для распознавания протеинов и универсальные контроллеры.

• Возможно, к концу нынешнего десятилетия производительность компьютеров возрастет настолько, что эволюционные программы превратятся в стандартную изобретающую машину, конкурирующую с изобретателями-людьми.

Для использования подхода УСЭ-USESoft порой даже компьютер не нужен! С УСЭ можно работать на листе бумаги.

Следуя конкретным методикам, зачастую основанным на идеальных математических моделях, инженеру бывает непросто найти компромисс между несколькими конкурирующими факторами. В такой ситуации у эволюционного подхода есть два неоспоримых преимущества – отсутствие жестко заданной логики проектирования и возможность анализа даже таких вариантов решения, которые никогда не пришли бы в голову проектировщику.

Поиск компромиссного решения ведет в эволюционный тупик, т.к. оптимальное решение не имеет ресурсов развития: любое изменение параметров, для которых был найден компромисс, ведет к ухудшению, по крайней мере, одного параметра.

Все эти процессы присутствуют на УСЭ: и копирование, и скрещивание, и мутация, и вымирание (= невыживание системы, не прошедшей отбор из-за более низкой идеальности, чем у других систем).

И нужно отметить – создание новой системы, когда эволюционирующая система не может выжить.

Полезная картинка, но отмечу слова: «... иногда комбинируются совершено разные полезные черты...».

При работе по УСЭ-USESoft всегда и направленно комбинируются полезные черты, которые взаимно усиливаются, а отрицательные взаимно уничтожаются.

Многие были бы удивлены тем, что программный искусственный интеллект порожден недетерминистским алгоритмом без привлечения логики или баз знаний. Многие, но не Алан Тьюринг.

В статье, написанной в 1950 г., он указал третий подход к созданию разумной машины: «…генетический или эволюционный поиск оптимальной комбинации генов, при котором критерием отбора является степень выживаемости».

In his 1950 paper ‘‘Computing Machinery and Intelligence,’’ Turing described how evolution and natural selection might be used to automatically create an intelligent computer program [2].

The third approach that Turing identified in 1948 for achieving machine intelligence is: ‘‘… the genetical or evolutionary search by which a combination of genes is looked for, the criterion being the survival value.’’

УСЭ, позволяя проводить поиск лучшей оптимальной комбинации элементов генов системы, при котором критерием отбора является степень выживаемости, и является искомой разумной машиной!

We cannot expect to find a good child-machine at the first attempt. One must experiment with teaching one such machine and see how well it learns. One can then try another and see if it is better or worse. There is an obvious connection between this process and evolution, by the identifications

Structure of the child machine = Hereditary material

Changes of the child machine = Mutations

Natural selection = Judgment of the experimenter

Тьюринг не указал, как нужно проводить «генетический или эволюционный поиск», чтобы достичь искусственного интеллекта, но отметил:

Не следует надеяться, что с первой попытки получится удачная машина-потомок. Сначала нужно попытаться обучить один экземпляр и выяснить, насколько хорошо он обучается. Затем можно опробовать другой и разобраться, лучше он или хуже. Связь между этим процессом и эволюцией очевидна. Можно провести следующие аналогии:

Структура машины-потомка = Наследственный материал

Изменения машины-потомка = Мутации

Естественный отбор = Оценка экспериментатора».

Human-competitive results produced by genetic programming by John R. Koza

Конкурентные для человека результаты создаются генетическим програмированием

СамОй УСЭ не нужно обучаться! В форме законов эволюции и их структуры УСЭ уже «наперед знает» эволюцию любой системы. А обучаться должен пользователь, чтобы предоставить УСЭ нужную информацию о системе и понять (интерпретировать) то, что сообщает ему УСЭ.

Дж. Коза и др. Эволюция в мире изобретений. В мире науки (Scientific American), № 6, 2003, с. 46

100.22426.322170

8103

Computer programs that function via Darwinian evolution are creating inventions that are novel and useful enough to be patented.

Компьютерные программы, работающие на основе дарвиновской эволюции, создают изобретения решения, которые обладают новизной и полезностью, т.е. их можно запатентовать.

Evolution is an immensely powerful creative process. From the intricate biochemistry of individual cells to the elaborate structure of the human brain, it has produced wonders of unimaginable complexity. Evolution achieves these feats with a few simple processes--mutation, sexual recombination and natural selection--which it iterates for many generations. Now computer programmers are harnessing software versions of these same processes to achieve machine intelligence. Called genetic programming, this technique has designed computer programs and electronic circuits that perform specified functions.

Эволюция - чрезвычайно мощный творческий процесс. От сложной биохимии отдельных клеток до постройки структуры человеческого мозга, она произвела чудеса невообразимой сложности. Эволюция совершает эти подвиги с помощью нескольких простых процессов - мутация, половая рекомбинация и естественный отбор, - которые она использует на протяжении многих поколений. Сегодня программисты осваивают программные версии этих же процессов для создания машинного интеллекта. Назваемый «генетическое программирование», этот метод создал компьютерные программы и электронные схемы, выполняющие определенные функции.

In the field of electronics, genetic programming has duplicated 15 previously patented inventions, including several that were hailed as seminal in their respective fields when they were first announced. Six of these 15 existing inventions were patented after January 2000 by major research institutions, which indicate that they represent current frontiers of research in domains of scientific and practical importance.

В области электроники генетическое программирование (ГП) повторило 15 ранее запатентованных изобретений, в том числе несколько таких, которые были признаны основополагающими в соответствующих областях, когда впервые были сделаны. Шесть из этих 15 реальных изобретений были запатентованы после января 2000 года крупнейшими научно-исследовательскими учреждениями, что указывает – изобретения представляют собой сегодняшние границы исследований в науке и имеют практическую важность.

Others represent new inventions by duplicating the functionality of the earlier device in a novel way. One of these inventions is a clear improvement over its predecessor. Genetic programming has also classified protein sequences and produced human-competitive results in a variety of areas, such as the design of antennas, mathematical algorithms and general-purpose controllers. We have recently filed for a patent for a genetically evolved general-purpose controller that is superior to mathematically derived controllers commonly used in industry.

Другие (изобретения, полученные с помощью ГП) представляют изобретения, по-новому представляющие работу ранее созданных устройств. Одно такое изобретение - явное улучшение по сравнению с предшественником. Генетическое программирование также классифицирует последовательности белков и производит конкурентоспособные, если сравнивать человеческими, результаты в таких разных областях, как конструирование антенн, математические алгоритмы и контроллеры общего назначения. Недавно мы подали заявку на патент на контроллер общего назначения, который был получен генетически; этот контроллер превосходит контроллеры, рассчитанные математически, широко использующиеся в промышленности.

Evolving Inventions = Создавая изобретения с помощью эволюции

by John R. Koza, Martin A. Keane and Matthew J. Streeter

Scientific American Magazine February 2003

http://www.scientificamerican.com/article.cfm?id=evolving-inventions